文档

glmval

广义线性模型值

在页面中崩溃

句法

yhat = glmval（b，x，link）
[yhat,dylo,dyhi] = glmval(b,X,link，统计）
[...] = glmval（...，，，参数1，，，，val1，，，，参数2，，，，val2，...））

描述

yhat = glmval（b，x，link）计算具有链接函数的广义线性模型的预测值link和预测因子X。不同的预测变量应出现在不同的列中X。bis a vector of coefficient estimates as returned by theglmfit功能。link可以是任何字符向量或自定义定义的链接函数，用作作为值的值'关联'名称值对参数in theglmfit功能。

    笔记：默认情况下，glmval将1列的第一列添加到X，对应于模型中的恒定项。请勿将1列直接输入到X。您可以更改glmvalusing the'持续的'参数，下面。

[yhat,dylo,dyhi] = glmval(b,X,link，统计）还为预测值计算95％的置信界。当。。。的时候统计结构输出glmfit指定功能，dylo和Dyhi也返回。dylo和Dyhi定义较低的信心界yhat-dylo，以及高度信心的界限YHAT+DYHI。Confidence bounds are nonsimultaneous, and apply to the fitted curve, not to a new observation.

[...] = glmval（...，，，参数1，，，，val1，，，，参数2，，，，val2，...））指定可选参数名称/值对以控制预测值。可接受的参数是：

范围 价值

'信心'- 信心范围的信心水平

0和1之间的标量

'尺寸'— the size parameter (N) for a binomial model

标量或x的每行一个值一个值的向量

'抵消'— used as an additional predictor variable, but with a coefficient value fixed at 1.0

向量
'持续的'

  • '在'- 在模型中包括一个恒定的术语。恒定项的系数是b。

  • '离开'— Omit the constant term
'同时'— Compute simultaneous confidence intervals (真的），或计算非同时置信区间（默认错误的） 真的或者错误的

例子

全部收缩

Open Script

输入示例数据。

X= [2100 2300 2500 2700 2900 3100...3300 3500 3700 3900 4100 4300]';n = [48 42 31 34 31 21 23 23 21 16 17 21]';y = [1 2 0 3 8 8 14 17 19 15 17 21]';

每个y价值是相应数量的试验数量的成功次数n， 和Xcontains the predictor variable values.

适合概率回归模型y在X。

b = glmfit（x，[y n]，“二项式”，，，，'关联'，，，，“概率”）；

计算估计的成功数量，并绘制观察到的百分比和估计百分比的成功百分比X值。

yfit = glmval（b，x，“概率”，，，，'尺寸'，，，，n）；plot(x, y./n,'o'，，，，X，，，，yfit./n,' - '，，，，'行宽'，2）

Open Script

输入示例数据。

X= [2100 2300 2500 2700 2900 3100...3300 3500 3700 3900 4100 4300]';n = [48 42 31 34 31 21 23 23 21 16 17 21]';y = [1 2 0 3 8 8 14 17 19 15 17 21]';

每个y价值是相应的试验数量的成功次数n， 和Xcontains the predictor variable values.

不w define three function handles, created using @, that define the link, the derivative of the link, and the inverse link for a probit link function, and store them in a cell array.

link = @（mu）norminv（mu）;derlink = @（mu）1 ./ normpdf（norminv（mu））;Invlink = @（resp）normcdf（resp）;f = {link，derlink，Invlink};

适合广泛的线性模型y在X使用您定义的链接函数。

b = glmfit（x，[y n]，“二项式”，，，，'关联'，F）;

计算估计的成功数量，并绘制观察到的成功百分比的成功百分比X值。

yfit = glmval（b，x，f，'尺寸'，，，，n）；plot(x, y./n,'o'，，，，X，，，，yfit./n,' - '，，，，'行宽'，2）

此示例还使用：

Open Script

此示例基于使用自定义链接功能。

输入示例数据。

X= [2100 2300 2500 2700 2900 3100...3300 3500 3700 3900 4100 4300]';n = [48 42 31 34 31 21 23 23 21 16 17 21]';y = [1 2 0 3 8 8 14 17 19 15 17 21]';

假设逆正常PDF是该问题的适当链接函数。

声明一个名称的函数myinvnorm.m，接受的值$ x \ beta $并返回标准正常CDF逆的相应值。

功能in = myInvnorm（MU）％＃codegen％myInvNorm Inverse of standard normal cdf for code generation％myInvnorm是一个接受数字向量MU的GLM链接函数，并且％返回，这是数字向量的相应值标准正常CDF的倒数％。％in = norminv(mu);结尾

声明另一个名为mydinvnorm.m，接受的值$ x \ beta $并返回链接函数导数的相应值。

功能din = myDInvNorm(mu)％＃codegen代码标准正常CDF的倒数的MyDinvnorm衍生物％一代％mydinvnorm对应于GLM链接函数的导数％myInvnorm。mydinvnorm接受数字向量MU，并返回DIN，％是数字矢量的相应值标准正常CDF的倒数％。％din = 1./normpdf(norminv(mu））;结尾

声明另一个名为myinvinvnorm.m，接受的值$ x \ beta $并返回链接函数逆的相应值。

功能iin = myinvinvnorm（MU）％＃codegen％myInvinVnorm标准代码生成的常规CDF％myInvinVnorm是GLM链路函数myinvnorm的倒数。％myInvinVnorm接受数字向量MU，并返回IIN，这是一个％数字矢量的标准正常CDF的相应值。％iin = normcdf（mu）;结尾

创建一个指定每个链接功能的结构数组。具体而言，结构数组包含名称的字段'关联'，，，，'衍生物'， 和'Inverse'，相关值是函数的名称。

链接= struct（'关联'，，，，'myinvnorm'，，，，'衍生物'，，，，'mydinvnorm'，，，，...'Inverse'，，，，'myinvinvnorm'）
link = struct与字段：链接：'myInvnorm'导数：'mydinvnorm'倒数：'myinvinvnorm'

适合GLMy在X使用链接功能link。另外，返回统计的结构阵列。

[b，〜，统计] = glmfit（x，[y n]，，“二项式”，，，，'关联'，关联）;

b是回归系数的2 x-1矢量。

在您当前的工作文件夹中声明一个函数分类。m那：

  • 接受与X，回归系数与b，链接函数，GLM统计的结构以及任何glmval名称值对参数

  • 返回误差的预测和置信区间边缘。

功能[yhat，lo，hi] = classifyglm（b，x，link，varargin）％＃codegen% CLASSIFYGLM测量使用GLM模型进行分类％分类GLM使用N-1向量X中的N观测值进行分类％using the GLM model with regression coefficients b and link function％链接，然后返回YHAT中预测值的N-1向量。％classifyglm还返回使用的错误余量％GLM统计结构统计数据中的其他信息。Narginchk（3，Inf）;如果(isstruct(varargin{1})) stats = varargin{1}; [yhat,lo,hi] = glmval(b,x,link,stats,varargin{2:end});别的yhat = glmval(b,x,link,varargin{:});结尾结尾

从分类。m。因为C使用静态键入，所以代码根必须在编译时确定MATLAB®文件中所有变量的属性。为了确保MEX函数可以使用相同的输入，请使用-args参数，按以下顺序指定以下所有内容：

  • The regression coefficientsb作为编译时间常数

  • 样本中的观察X

  • 链接funciton作为编译时常数

  • 由此产生的GLM统计数据作为编译时续

  • 名字'Confidence'作为编译时间常数

  • 置信度0.9

要指定参数为编译时间常数，请使用Coder.constant。

代码根-Config：Mex分类-args{coder.constant（b），x，coder.constant（link），coder.constant（stats），coder.constant（'profester'），0.9}

MEX文件classifyglm_mex.mexw64生成您当前的工作目录。文件扩展名取决于您的平台。

比较使用的预测glmval和classifyglm_mex。指定名称值对以与-args呼吁中的论点代码根。

[yhat1，melo1，mehi1] = glmval（b，x，link，stats，'Confidence'，0.9）;[YHAT2，MELO2，MEHI2] = classifyglm_mex（b，x，link，stats，'Confidence'，0.9）;comp1 = yhat1 == yhat2;colle1 = sum（comp1）== numel（yhat1）comp2 = melo1 == melo2;colle2 = sum（comp2）== numel（yhat1）comp3 = mehi1 == mehi2;class3 = sum（comp3）== numel（yhat1）
协议1 =逻辑1同意2 =逻辑1 clase3 =逻辑1

生成的MEX文件产生与预测。

References

[1] Dobson，A。J.广义线性模型简介。纽约：查普曼与霍尔，1990年。

[2] McCullagh，P。和J. A. Nelder。广义线性模型。纽约：查普曼与霍尔，1990年。

[3] Collett，D。建模二进制数据。纽约：查普曼与霍尔，2002年。

扩展功能

也可以看看

|||

在R2006a之前引入

这个话题有帮助吗？
统计和机器学习工具箱文档
Other Documentation
金宝app

尝试MATLAB，SIM金宝appULINK和其他产品下载188bet金宝搏

立即进行审判